美國科羅拉多大學(xué)Pozdeyev等報告，人工智能(AI)可識別出甲狀腺超聲不太可能發(fā)現(xiàn)的癌性甲狀腺結(jié)節(jié)，從而降低大量不必要的活檢。(自2022 ENDO內(nèi)分泌學(xué)會年會)

甲狀腺結(jié)節(jié)很常見。細(xì)針抽吸活檢被用于診斷甲狀腺癌。這項研究納入621個甲狀腺結(jié)節(jié)的

30 000多幀超聲圖像，以訓(xùn)練機器學(xué)習(xí)模型。該AI模型將甲狀腺結(jié)節(jié)分類為“癌性”或“非癌性”，并在另一個醫(yī)療保健系統(tǒng)收集的另一組145個結(jié)節(jié)中予以驗證。

結(jié)果顯示，AI的模型的敏感性和特異性分別為97%和61%，其敏感性與細(xì)針穿刺甲狀腺活檢的相當(dāng)。

Pozdeyev等表示：該研究數(shù)據(jù)為改善患者護(hù)理和避免不必要手術(shù)奠定了良好的基礎(chǔ)，但此前尚需前瞻性臨床試驗證實。這項技術(shù)可以幫助影像科醫(yī)生和內(nèi)分泌科醫(yī)生選擇哪些甲狀腺結(jié)節(jié)應(yīng)該接受活檢，尤其是在那些可能不會查看甲狀腺超聲圖像的社區(qū)。 (編譯 張美涵)